国内报表及商业智能分析工具点评专题

第一篇：国内报表及商业智能分析工具点评专题

国内报表及BI工具点评

近几年，随着信息系统的不断上线，国内的报表工具和BI工具的发展很快，下面主要点评几个主要的报表和BI工具厂商：

报表工具：

润乾报表

包括复杂报表、即时报表、通用查询、多维分析、统计图表等模块。以类Excel 的方式进行报表的绘制和编辑，不仅可以以所见即所得的方式绘制出复杂表样，而且可免去使用传统控件拖拽式编辑时对齐数据项的繁琐，在保证格式整齐美观的同时大幅提高绘制效率，避免打印与显示因分辨率不一致而出现的失真现象。

在报表工具里面具有一定的认可度。

帆软

采用（类Excel）Web版复杂报表、填报表单、即席报表、报表调度管理、具有完备的报表填报功能。

复杂报表设计器功能强大；填报表单支持多源填报、多级汇总，具有一定的BI分析能力。

用友华表

包括用友BQ商业智能、用友BQ业务分析和用友Cell组件/插件等产品，灵活快速地响应企业管理变化，为企业搭建一套完善的辅助决策分析体系，充分释放业务信息的潜力，从而帮助业务用户优化决策制定流程，获得竞争优势。其实也可以把用友华表归类为BI工具。

BI工具：

永洪科技

Yonghong Z-Suite BI套件是有北京永洪科技公司研发的一款本土高性能BI，其一定程度上代表了国内新一代的BI产品。Yonghong Z-Suite BI套件主要有以下特点：

发现探索型：提供多维钻取，OLAP，数据关联，联动等等分析功能，提供更多数据探索能力。

驱动模式：业务驱动。

开发模式：以敏捷开发模式建设BI系统。

交付周期：交付周期偏短，项目失败率低；乐意在客户现场做POC(Proof of Concept)。需求变化：可以应对变化，新需求交付周期很短；相关模块调整不大，交付周期在一两天之内。

成本：一站式平台提供数据集市和BI软件，无需购买MPP数据仓库，费用低。自服务BI：能够形成自服务BI。

分析：展现只是起点，分析功能强大。

海量数据：X86通用平台，以Scale-out扩展模式处理海量数据。基于CPU收费，具有较高性价。

数据集市：Yonghong Data Mart数据集市在大数据实时分析上处于国内领先地位。因此可以看出Yonghong Z-Suite同样是一款能够迅速完成部署的新一代BI工具。而且在适应大数据时代要求，大数据实时分析性能卓越。

珠海奥威智动：Power BI 奥威智动（英文简称为ourway），成立于2006年，是一家专业从事中小企业（BI）商业智能软件研发与相关服务的高科技公司。其研发中心坐落在北京中关村软件园，销售中心位于美丽的海滨城市珠海。

奥威智动的潜心研发成果，全称为：Power-BI企业决策分析系统。产品功能强大、开发简单，在国内企业级市场具有强大的影响力。

Power-BI目前分为两个产品体系：

Power-BI标准版。因其突破了传统BI的瓶颈，首创安装即可用，无须实施，一举获得CCID中国商业智能应用创新产品奖，并因其合理的投入，实用的分析模型，在广大中小企业中得到最佳应用实践，获得中国中小企业首选产品与解决方案奖。目前支持用友/金蝶/神舟数码/SAPBone等主流ERP版本。

Power-BI开发版。是一个平台性产品，可快速帮助企业IT人员在现有ERP等信息系统基础之上，管理数据视图，构建多维分析模型，制作智能分析报告，发布管理驾驶舱等BI应用。功能强大，却不增加操作的复杂程度。可接任意数据源，适用于各种信息管理系统。

思迈特

思迈特技术团队核心成员来自原东南融通商业智能平台BI.Office研发团队。具有自助查询、中国式报表、数据填报与汇总、多维分析、管理驾驶舱/个性化门户、移动终端展现等功能。

思迈特是国内较为专业的BI厂商，在金融、电信等领域有较多客户，但该BI产品不专注于企业用户应用，特别是在中小企业BI应用上存在缺陷。

总结

报表工具和BI工具，一个适合数据的展现和精确打印，一个适合数据的分析与挖掘。目前报表工具更多的向BI方向发展，提供更多数据分析的增值服务，使得产品更具价值与竞争力。而BI的发展方向也是大数据和移动方向发展。

第二篇：九大商业智能分析平台

九大商业智能分析平台

随着大数据时代的来临，商业智能这个词在国外企业界出现，其代表为提高企业运营性能而采用的一系列方法、技术和软件。它把先进的信息技术应用到整个企业，不仅为企业提供信息获取能力，而且通过对信息的开发，将其转变为企业的竞争优势，也有人称之为混沌世界中的智能。因此，越来越多的企业提出他们对BI的需求，把BI作为一种帮助企业达到经营目标的一种有效手段。

目前，商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。为了将数据转化为知识，需要利用数据仓库、线上分析处理(OLAP)工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是ETL、数据仓库、OLAP、数据挖掘、数据展现等技术的综合运用。

商业智能(BI)厂商正在寻求从大量的资料来源，新的先进的数据可视化功能，以帮助企业应对日益庞大的数据集。商业智能(BI)厂商都在寻求新的先进的数据可视化功能，以帮助企业解决这个问题。下面我们来看一下目前在商业智能比较领先的系统平台：

一、蓝色巨人IBM最全面的BI产品

蓝色巨人IBM有一个最全面的商业智能(BI)产品，它结合了软件，硬件和服务。在今年早些时候，Cognos增加了基于桌面的高级数据可视化与的洞察力分析。

Cognos是在BI核心平台之上，以服务为导向进行架构，是唯一可以通过单一产品和在单一可靠架构上提供完整业务智能功能的解决方案，它可以提供无缝密合的报表、分析、记分卡、仪表盘等解决方案，通过提供所有的系统和资

料资源，以简化公司各员工处理资讯的方法。作为一个全面、灵活的产品，Cognos业务智能解决方案可以容易地整合到现有的多系统和数据源架构中。

二、数据分析市场后期之秀Information Builders

Information Builders是世界上最出名的大规模部署BI的公司。通过它的WebFOCUS平台为企业用户提供先进的数据分析。WebFOCUS是一功能强大、高度集成、具有高性能和高延展性的企业商务智能套件，是目前业界中可用性(Usable)、散播性(Deployable)和延展性(Scalable)最佳的实时信息传递解决方案。从标准报表、自助式报表到即席查询、OLAP分析、动态排程或预警分发，WebFOCUS提供了所有的特征和功能，可满足企业内外用户各种各样的信息需求。

此外，WebFOCUS的强大功能可访问企业现有的所有数据源，从遗留数据到数据仓库，也是无以匹敌的。目前，每天都有数百万用户通过企业内、外部网络或互连网络使用WebFOCUS所开发的应用系统。

三、微软

微软可以说是数据分析可视化市场上的后期之秀。Microsoft BI 通过三个层面或工作负载交付：数据仓库、报表与分析以及绩效管理。所有这一切都旨在提供整合的、全面的数据源和工具，以帮助改进决策制订。在我们看来，Microsoft BI 的承诺就是：帮助组织内所有层面的决策者对其决策所支持的企业目标与计划充满信心。

四、MicroStrategy

MicroStrategy公司是专门从事运行在大型企业级上的BI部署数据仓库，提供直观地浏览数据的能力，并使用可视化数据分析工具生成的见解。

MicroStrategy能够协助各公司开发各种大型数据库以及个人用户的分析软件允许各公司通过电话、传真、电子邮件以及互联网向用户传送各种定制的、个性化的信息。用户也可以根据自己的情况决定何时或者以和种方式等来收看各公司的信息。

五、甲骨文是商业智能中领军者Oracle

很多企业都将甲骨文作为商业智能方面的竞争对手，甲骨文的解决方案得到了广泛应用。Oracle商务智能企业版(OBIEE)最早是由一组经验丰富的商务智能和数据仓库专家从1997年开始设计、开发的新一代商务智能平台。整个平台针对百分百Web架构来设计，从一开始就引入了很多全新的思想-希望能给尽可能多的企业员工提供全面的商务智能能力，尽可能的让商务智能直观易懂、便于使用和充满交互，从而让整个组织架构中的每个人都能从中得益。

六、QlikTech

QlikTech是全球增长最快的商业智能(BI)公司，其旗舰产品 QlikView 提供即时商业答案，使用户能够轻松自如、无限制地挖掘自己的数据。与传统商业智能不同的是，QlikView能够为用户迅速创造价值，其投资回报期仅为数天或数周，而不是数月、数年或永远收不回投资。它是唯一一款能够在经营场所、云计算平台、笔记本电脑或者移动装置上部署的产品，适用于任何企业，从单个用户到大型国际企业。

七、SAP

SAP BusinessObjects是全球领先的商务智能(BI)软件公司的产品套件，Business Objects XI 为报表、查询和分析、绩效管理以及数据集成提供了最完善、最可靠的平台。

以SAP BusinessObjects现有成功产品组合为坚实基础，这项全新解决方案使得企业可以集中精力改进其在经济、社会和环保方面的绩效，而无需将大量时间花费在收集相关数据和编写报告上。SAP BusinessObjects可持续发展绩效管理解决方案能够为企业提供可持续性指标的整体视图，通过简单易用的界面来简化内部和外部报告流程。

八、SAS为很多企业解决业务问题SAS

SAS企业级商业智能已经为很多企业解决了复杂的业务问题，特别是对那些需要先进的分析方法，对大型非结构化数据源的企业的共同选择。

SAS商业分析框架包括行业和业务线解决方案，以及分析、数据管理、查询和报表技术。公司可首先解决最重要的关键业务问题，然后随着时间的推移逐渐添加新功能，以支持持续的绩效改进。

九、Tableau

Tableau是桌面系统中最简单的商业智能工具软件，Tableau没有强迫用户编写自定义代码，新的控制台也可完全自定义配置。在控制台上，不仅能够监测信息，而且还提供完整的分析能力。Tableau控制台灵活，具有高度的动态性。

Tableau公司将数据运算与美观的图表完美地嫁接在一起。它的程序很容易上手，各公司可以用它将大量数据拖放到数字“画布”上，转眼间就能创建好各种图表。这一软件的理念是，界面上的数据越容易操控，公司对自己在所在业务领域里的所作所为到底是正确还是错误，就能了解得越透彻。

总结：商业智能作为企业业务驱动的决策支持系统，其发展是以较为完善企业的信息系统和稳定的业务系统为基础的。商业智能未来的应用与行业内信息化的基

础状况密切相关，如何切实了解自身需求、选择具有优势的厂商产品，将是企业实施商业智能成功的关键。

Via:商业分析，商业智能

第三篇：报表分析

2008年淮阴区儿童保健报表

资料分析

淮阴区保健所社区保健科 2008年10月18日

今年儿童保健指标统计时段按省卫生厅要求，增加许多新项目且统计口径也有所改变。目前儿童保健报表已完成收集、核对、汇总工作，现对全年资料情况分析如下：

一、报表质量：

1、及时性

全区绝大多数乡镇都能及时上报每月报表，但古寨、刘老庄这方面工作做的欠差。按要求每月报表、死亡报告卡医院加盖章，院领导或防保所长签字，这方面陈集、赵集、吴城、袁集、徐溜等乡镇做的较好，但目前仍有部分乡镇报表缺项较多，有的是为0的项目没有填而留有空项。

2、准确性

（1）各乡镇报表数据的准确性、逻辑性较以往有所提高，但各乡镇平日自己能检查自己报表数据的准确性、逻辑性的不多，都在送报表到保健所审核时发现而得到纠正。（见附表）

（2）儿童死亡报告卡填写质量较以往有所提高，但仍有错误发生，表现在①死因诊断不明确，如写“其它循环系统疾病”，其它呼吸系统疾病；②死亡地点与诊断依据存在逻辑错误，如死亡地点在“家”或“途中”，死前治疗填“未治疗”，诊断依据却填“临床”（车祸、溺水可以这样填），使人看不明白；③卡片新旧不统一，有的单位发的卡不用，却用以前的卡，造成信息量不全。

二、数据分析： 1、7岁以下儿童保健工作年报表

7岁以下儿童系统管理率指标要求是大于95%，我区已达96.81%；3岁以下儿童系统管理率达93%，新生儿访视率96.96%，全区各乡镇均已达标。（系管情况见附表）2、5岁以下儿童死亡上报情况：

我区2008年5岁以下儿童死亡73人，其中新生儿28人，婴儿50人，1-4岁儿童23人；2007年我区5岁以下儿童死亡率是8.35‰，新生儿死亡率是2.74‰，婴儿死亡率为7.01‰。而今年我区5岁以下儿童死亡率是5.79‰，较去年下降了2.65‰，新生儿死亡率2.22‰，较去年下降1.52‰，婴儿死亡率3.96‰，较去年下降了3.05‰，符合省厅调研的振幅不超过±7%规律。新生儿死亡占婴儿死亡构成比为56%，婴儿死亡占5岁以下儿童死亡构成比为64.49%。（见附表）这说明降低5岁以下儿童死亡率的关键是降低婴儿死亡。

3、营养性疾病发生率：

我区今年5岁以下儿童体重<中位数-2SD的检出率均为0.065%，去年为0.39%。从数据上看，我区儿童的营养状况在逐年好转，且正在向过剩迈进。今年我区营养不良发生率最高的是三树，为1.28%，其次是码头、刘老庄，检出率分别为0.96%和0.32%，其它乡镇均为0，均低于我国5%的最低检出率。结合各种因素，其原因正像市保健院分析的那样：①可能与乡村医务人员对此项指标的评价未完全掌握；②有些乡镇的测量工具、测量方法不精准。以致于一部分营养不良的儿童被漏检出。（各乡镇检出

情况见附表）

6、婴儿母乳喂养情况：

我区去年4个月内母乳喂养率97.80%，纯母乳喂养率为88.31%。今年全区6个月内母乳喂养率为97.36%，纯母乳喂养率为90.84%，总的情况好于去年。今年母乳喂养情况较好的乡镇有凌桥、吴城、吴集、徐溜、丁集、五里、刘老庄、袁集等8个乡镇，母乳喂养率达100%；纯母乳喂养情况较好的乡镇有丁集、徐溜、吴集3个乡镇，纯母乳喂养率达100%。4个月内母乳喂养率最低的是王营镇，只达89.75%，纯母乳喂养率最低的也是王营镇只有72.41%。这可能与城区母亲的工作和生活状况与农村不同有关，具体情况还有待于进一步分析。（各乡镇情况见附表）

三、存在问题

1、妇幼卫生年报是当地妇女儿童健康状况及妇幼保健指标完成情况的反映，各乡镇卫生部领导人应对有关指标有所了解，并对妇幼保健工作进行监督和指导，对妇幼保健工作质量进行把关。今年全年儿童保健报表每月都有医院盖章，院主要领导签字的只有徐溜和丁集，其它乡镇均不齐全。2、2008年省厅对报表改动较大，统计口径变化较大，使得基层保健人员不能立即适应报表的变化，造成信息上报的错误率增加。3、5岁以下儿童死亡率不能反映本区死亡率，因今年的活产数上报改为属地管理，市一院接产的婴儿全作为我区数据，这使得5岁以下儿童死亡率的分母增大，而造成死亡率下降的假象。另外，0-4岁儿童死亡可能存在漏报，因为全国平均5岁以下死亡率约为30‰左右，我省“十一五”规划要求<15‰以下，而我区只有5.79‰，明显低于国家和省控线，甚至

低于西方发达国家水平，显得不符合常态。虽然我们对这个问题加强了质量控制，每月派专人到市区各大医院抄录出生0-4岁儿童死亡名单，以减少漏报，但由于各医院不愿暴露过多的死亡率，往往把要死的儿童报成自动出院、转院等情况，使得5岁以下儿童死亡的真实情况调查起来很困难。

四、2007年儿童保健信息工作设想：

1、加强对基层儿保人员的业务培训，使其逐步掌握儿童工作知识，掌握报表内逻辑及表间逻辑关系，有纠正信息工作上错误的能力。

2、稳定妇儿保人员队伍，从近年来保健工作的整体情况来看，就可以发现人员稳定就可以提高保健信息工作的质量。

3、加强对基层儿保工作的督导，及时发现问题，及时纠正。结合农民健康工程，把保健工作实绩与经济利益挂钩，促使基层领导来重视保健工作，重视保健资料的收集、建立、整理、上报工作

4、进一步做好妇幼保健信息的反馈工作，区保健所要把每月29号反馈妇幼保健信息的工作落到实处，以减少出生与0-4岁儿童死亡漏报。

第四篇：智能商业读后感

智能商业读后感

当阅读完一本名著后，大家心中一定有不少感悟，让我们好好写份读后感，把你的收获和感想记录下来吧。那么你会写读后感吗？以下是小编为大家收集的智能商业读后感，欢迎大家借鉴与参考，希望对大家有所帮助。

曾鸣教授是我做战略的诸多老师之一，他关于战略的论述，一度是我反复揣摩学习的教材。

阿里巴巴是一家以战略见长的公司，能够在这样一家公司任参谋长，肯定得有几把刷子。

马云是个“大忽悠”,能让马云欣赏并邀请加入阿里，斯人功力可见一斑。

刚巧，我主要的工作，也是战略设计。于是乎，我就关注了“曾鸣书院”公众号，下载了“湖畔”APP,也收听了曾教授在得到的“智能商业二十讲”.自曾老师宣布要写这本书开始，我就一直关注着这本书的进程。先是得知这本书的英文版本已经出了，无奈我英语差，不能先睹为快。后又获悉这本书由中信出版集团出版，于是就在中信的购书小程序上预定了这本书。本以为这本书要等很久才能收到，没想到才过几天，就到手了。（截至目前，京东还没上架这本书的中文版。）

书是昨天下午到的，刚到手，就一口气看了一半。

这本书对我的帮助非常大。我就在做关于公司的战略计划，也在做公司的智能系统建设。这本书和我的很多想法不谋而合，让我引以为豪；另外，这本书还讲了很多我没注意到的问题，给了我不少启示。我是一边看，一边和公司的实践比较验证，偶有所感，就随笔记录。有些地方看得茅塞顿开，有些地方看得拍案叫绝，有些地方看得一阵后怕——怕什么？怕要是没看到这本书，自己岂不是犯了大错？

——真是开卷有益——尤其是开高人的卷！

《智能商业》这本书主要讲的就是智能商业。曾教授说，这是未来的商业范式。

智能商业的落脚点在“智能”二字。这两个字将智能商业与非智能商业区别开。意思是：符合智能商业逻辑的商业模式是智能商业，不符合这个逻辑的，是传统商业；智能商业代表了未来，如果你的商业模式与智能商业无关，那么很可能你就与未来无关。

这倒不是危言耸听。

那么，智能商业的智能主要体现在哪里呢？曾教授总结是：网络协同+数据智能。

什么是网络协同？我的理解是，你要用互联网技术构建一张网，将你的产品和服务搬到线上来（或者至少要有和线上交互的界面），然后把整个服务流程（产业链）的参与者也搬上来，让参与者们在线上自主办公、协同作业。当参与的角色足够多，每个角色的用户数足够大，在线协同作业的频率足够高，这个协同网络的包容性、自生性就足够强。

像蜘蛛一样先织一张网，然后把所有参与者一网打尽，这些参与者通过网络协同作业，会不断编织这张网，将网的深度和广度都极大地延展。这是一张可以自生长的网，有多少用户涌入，就有多少个节点，有多少个节点，这张网就有多大。这张网几乎可以无限延伸。它不是物理世界，它是互联网世界、信息化世界，是新的社群组织形态。

以上是我对协同网络的粗浅理解。那么，什么又是数据智能呢？

我理解的数据智能是供给链智能化。

怎么讲？

所有商业的原点，都是用户需求，不同的生产力阶段有不同的供给系统。这里面，用户的需求是相对恒定的，是所有商业行为的目标，但是供应能力不同，所能提供的解决方案就不同、方案的'成本不同、满足用户需求的程度也不同——很多需求不是说你有了解决方案用户才有，而是因为你没有解决方案所以这个问题一直得不到解决用户也就不奢望解决了——另外，很多需求不是原生性需求，而是基于解决方案衍生出来的需求——比如手机贴膜不是原生性需求，手机才是原生性需求；或者说手机不是原生性需求，准确讲，手机应该是一种解决手段，用户需要入网联系进行信息互通才是需求——我们经常犯的错，就是错把手段当需求，不能从原点出发去创新。

绕远了。扯回来。

工业时代生产力的特征是批量生产、标准化。这时候能供给的是大批量的标准化产品。满足的是用户对产品的普遍需求，不是个性需求——记住个性需求是一直存在的，只是当时的供给能力只能满足小部分人的个性定制需求。随着工业化的不断发展，标准产品进入了产能过剩的阶段，用户也进入了标准产品信息泛滥的时代，这时候的市场矛盾，变成了用户个性化需求的增长和市场个性化定制能力薄弱之间的矛盾。本质上讲，是机械化工业生产形式无法满足用户个性化的需求。

这个矛盾成了我们这个时代亟需解决的问题。

怎么办呢？答案就是数据智能。

数据智能是用互联网技术重构供给链系统，让高效的柔性生产成为可能，从而满足用户个性化的定制需要。

如何满足？

首先是万物互联，一切在线。也就是所谓的物联网（IoT）。物联网的意义在于所有产品都成了数据终端：既是数据输入终端也是数据输出终端，更是人机交互终端。在物联网的前期，你至少要开发出一个界面，让你的产品或服务能够与用户互动。这个环节，曾教授讲叫产品化。

有了交互终端，第二步是一切行为数据化。所有的动作，行为，都可以成为数据的字节，被储存下来。这个数据有类型的数据，更有个别的数据（数据库建模时建的表单不同，数据类型就不同）。这些数据你不用它，它就毫无价值。但你只要用它，它就变成了财富。最重要的是这个财富不是消耗品，可以无限复制，越用越有用。

将用户的一切行为数据化，这个在技术上并不难——只要联网在线，用户只要触网，就会形成数据。只是一般人没有注意到这个动作的意义，所以在系统开发的时候，没有开发并迭代优化这部分功能。

数据化以后，是建立算法。算法就是建立数据规则，程序指令。什么样的数据触发条件（输入加上数据分析）会形成怎样的输出，这是算法逻辑。数据量不大，分析维度不多，这个事情就简单。但当数据维度足够丰富，数据量足够大，算法足够多，运算量足够大，这时候，就不是人力能搞定的了，只能求助于机器运算。而且一般的机器作业还不行，得借助云计算的力量。

这样耗心费力的运算，目的何在？目的在于给协同网络的每个参与者更好的体验，满足其个性化需求，让其可以高效决策高效作业。

协同网络是一张横向铺开的网，网络里的每个参与者都是这张网的服务对象，没有数据智能的协作，这些参与者的作业是笨拙的，协同是低效的，有了数据智能，网络的参与者才能真正受益，体现出智能商业的用户价值

所以曾教授讲，协同网络和数据智能是构成智能商业DNA的双螺旋，缺一不可。有了这两个螺旋，你的商业模式就是智能商业，没有，就是传统商业。最后赢的，不是新的，是先进的。智能商业代表的是先进的理念和先进的生产力。革故鼎新，变革的阀门早已开启，唯有洞悉未来的发展趋势，才能提前布局，捕捉未来。

未来还没来，但是通往未来的因已经种下。我们有幸生在这个时代，可以参与或见证这个时代的变革。想想二十多年前中国的互联网什么样，再想想现在中国的互联网什么样，你还会觉得未来很遥远吗？

面向未来，掌握事物发展的原理，因缘聚合的原理，这样我们才有机会成为未来的开创者。

感谢曾教授！

第五篇：《智能商业》读后感

读《智能商业》有感

原创： 萧翔峰

一口气读完了《智能商业》，很多过往经历的事情与书中内容对照了起来，摘选其中部分与大家分享感悟。

网络协同效应

曾鸣用一句话讲明白了滴滴今天为什么会出现美团入场后促手不及的局面——没有网路协同效应，单靠规模经济无法形成垄断。

以前只知道打车是资本密集型行业，核心竞争力是资本；但是为什么是资本？并不明白。

原来是因为在线打车在需求端没有形成网络协同效应，即使供给端的规模效应强大，但司机和平台只是简单的分成关系，通过砸钱就可以让用户迁移了，也就不存在壁垒。所以美团打车的进攻策略还是通过城市逐步切入，给司机高于滴滴的补贴，粗暴有效。

回想当年在线音乐行业，网易云能崛起这么迅速，其实是个性化+歌单的模式，让产品具备了协同效应，用户越多，体验越好。而评论的互动又强化了协同，奠定了整个产品的独特调性。这与当时酷狗、QQ 音乐、百度音乐等产品的分类目录查找型体验，是质的差异。所以，网易云音乐的用户在早期版权不受限时能迅速滚起来。但其后正版化+腾讯大力投入垄断版权后，用户的基础需求（热门歌曲）无法满足，网易云音乐上涨的势头就被迅速压制了。

数据智能

大数据、人工智能，这是时下的行业流行词。过往也在想，在未来智能时代产品经理的价值是什么？这次在《智能商业》里看到了一个很系统的阐述，给了自己很大的启发。

产品是将“云上”的数据智能传递给用户、为用户带来价值的通道。数据闭环靠产品互动实现，而产品体验依赖于数据智能，数据和产品合二为一。一切的数据智能体系，都必须最终融合在功效直接、交互友好、价值明确的互联网产品上，其智能的价值才真正的体验出来。互联网产品是一种包含了“云”的智能和“端”的体验的完整互联网服务。

因此，互联网产品经理作为负责定义、优化互联网服务的角色，价值会更大。在智能时代里，一个优秀的互联网服务，离不开产品经理或实际的产品设计者，通过创造性的产品设计，既把数据智能的价值不折不扣地传递给用户，又使用户低成本、高频度地进行反馈，从而使数据智能持续提升。

这其中，产品经理的工作小到功能交互、大到定义产品场景，既包含前端（用户侧）的直接用户体验与交互，也包含后端（云）的数据智能引擎（例如推荐算法）的目标定义、指标优化。一个同时具备前端、后端工作能力的产品经理，是未来的标配。而纯 APP 功能产品经理的价值会继续的下降，因为行业的配套中台能力越来越成熟强大了。

未来的新产品，一定是针对某个用户问题/场景，定义了全新的用户体验方式，同时启动了数据智能的引擎，形成了数据、算法、产品的反馈闭环，进而持续提升用户体验。我们现在看到的字节跳动系产品，就是这一类产品的当下典型。

成为新智人

谈到这，我们自己其实也是一家企业，以经营自我、提升自我价值为商业目标的企业。但有多少人，在这个互联大时代里，还是一个单点？离线的工作、学习着？不能具备协同效应，没有给自己建立数据输入->输出的反馈闭环的人，无法放大自己的价值，也会在未来更快的面临职业上升天花板，这是未来协同的组织中对人的更高要求。

新的一年，把自己当做一个产品，找到自己的定位点，与所在的线去结网，建立所在面中的反馈闭环，在时代的大环境中继续向前。